使智能摘要界面中的缺失可见

智能接口越来越多地使用大型语言模型来总结用户生成的内容，但这些摘要强调的是提到的内容，而忽略缺失的内容。这种存在偏差可能会误导依赖摘要做出决策的用户。我们提出了领域知情对比摘要（DiSCo），这是一种基于期望的计算方法，通过将每个实体的内容与在可比住宿的典型方面参考分布中捕获的领域主题期望进行比较，使缺失内容变得可见。这种比较识别人为突出或与领域规范相比缺失的方面，并将它们整合到生成的文本中。在涵盖滑雪、海滩和市中心三个住宿领域的用户研究中，DiSCo摘要被评为比基线大型语言模型摘要更详细、更有助于决策，尽管阅读难度略高。调查结果表明，模拟期望可以减少存在偏差，并提高智能摘要界面的透明度和决策支持。